职教行业AI人才培养进化模式分析与研究

牟晶

摘要：随着在中国“智能+”赛道上AI技术的外溢效应越发明显，在职业高校这段跑道上，校企合作已经从技术共研转向到更加注重科技创新和产业发展的深度融合，通过AI教育校企合作升级，企业与高校叠加及课程设置深度学习等方面，让中国的AI人才培养模式不断进化，也让中国的AI未来可期。

关键词：AI人才需求;软件与硬件;开放教育;人才布局

AI人才培养校企合作已经从技术共研转向到更加注重科技创新和产业发展的深度融合。随着在中国“智能+”赛道上AI技术的外溢效应越发明显，在职业高校这段跑道上，各大高校与企业也各展所长，激烈交锋。在中国职业高校 AI 技术人才培养模式进化历史中，高校教师正在起着越来越重要的作用，校企合作已经从技术共研转向到更加注重科技创新和产业发展的深度融合，与目前中国人工智能人才发展需求不约而同。

1.研究背景与市场的需求

智研咨询公司发布的《2017-2022年中国人工智能行业深度调研及投资策略研究》报告表明，截止2017年，我国移动终端人工智能产品市场规模已经首次达到217亿元，同比上年增长率已经超过52.7%。全球AI领域约30万人才存量，在市场供给面前却单薄乏力。供需严重失衡，让我们在AI领域的高校毕业生变得成“香饽饽”，但是AI领域的教育产出压力确很大：目前全世界已经有367所大学，分别具备人工智能研究方向的课题，但是每年我们在AI领域的大学毕业生仅仅只有2万左右。至今年3月，全国35所高校已经被获批建设成立第一批人工智能专业，可以说人工智能教育在AI赛道上的选手们从最初的热身到起步已使用了整整16年。但是，作为高校想单独啃下人工智能教育这块硬骨头可不容易。

首先就是师资问题，全球30万人才储备，只有10万人在高校，中国更是少之又少。更多高校需求主要希望有博士学位以上的人工智能领域的人才，但的确很少，而要引进这方面的师资又相当困难。

其次，是深入分析当前人工智能核心技术的结构复杂性。它以我国现代化的计算机基础科学和新技术成果为基础理论，其中也包括了智能化信息知识、思维推理知识、信息知识自动获取、收集知识处理信息系统及信息搜索的科学方法等。大部分课题只能在研究生阶段开展，变相增加了相关人才的教育成本。

再次，目前我国人工智能学习的核心技术，仍然处于第三次高速发展期，以基于深度機器学习为主要研究技术核心，高度依赖于大量数据和计算力，偏偏由于这两项核心技术科研资源在各个重点大学和各个职业院校都极为严重匮乏。在国内，从资源、生态、落地来看，人工智能大厂急需AI人才，高校的AI人才培养又面临困难，企业和高校联手育才的需求，比以往任何时候都迫切。在这样的背景下，人工智能大厂纷纷开始与高校联手，探索AI人才培养的新模式，以弥补人才梯队建设上的短板。

2.教师教学过程中遇到的问题剖析

针对高校在师资、平台、算力、实践机会方面的短板，各大师资培训机构、AI Studio教育版以及各类AI竞赛的作用就体现出来了。用切实的方法，为高校提供实际的助推力，培养出与社会需求相匹配的AI人才。

除了“软件”，学校应试图解决“硬件”问题。经过调查研究，我们发现很多发达地区的高校在开展人工智能课堂教学中都会遇到以下几个障碍：智能算法在高校进行训练教学过程中，使用廉价的epgpu智能卡或使用云计算等信息资源。有的学校由于投入科研经费有限，实验室的设备条件有限，很多项目根本走不动，更别说学生同时需要进行多个实验;有的学校教师最初就害怕这些软件的系统安装操作步骤繁琐、配置时的环境复杂苛刻，几十台进入实验室的机器因一个简单的安装步骤都可能搞错，那就得从头再来。

校企合作培养人工智能人才方面，高校均可采用不同的“开放”形式。比如，大学与高职共同合作办学，强调领域内多学科、跨行业的合作;将企业应用场景和数据分析作为平台，开放丰富校园教育学习资源，把人工智能、云计算、区块链、 iot 等信息技术应用场景带到高校教学和学习模块中。通过学术和科研实力紧密地结合在一起，加深对前沿领域的探索，推进校园学术及研究。

3.AI人才培养模式的布局

在校企合作培养人工智能人才的布局上，可以尝试校校共同成立实验室，并通过开设的课程内容、实验教学中的培训、职前培训、认证考核体系、竞赛赛事等方式来拓展自己的人才培养。目前，已有多所高校通过自媒体平台开设了人工智能课程，共建AI 教育制度。对于中国AI技术和人才培养梯队的构筑，也是大有助益。

首先，在AI技术的培养和校企合作落实上，除了现有的专业师资队伍培训、项目共建、课程发布以及大型学生赛事等多个维度的产学结合生态;职校还应该沿着高校和产业的痛点进行实质性突破。仅针对职业院校师资的缺口这一突出问题，还需深度加强学习型师资培训班，在内容学术交流涵盖上扩大内容、合理构建课程、实验实训的建设及平台应用等教学环节。

其次，深度学习作为新的学习技术，是未来实现机器人智能的主要技术依据。我国职业院校深度学习教育的现状是——开课相对较少，缺乏实践场景。教师应该结合自身创新研发paddlepaddle课程框架，通过学习paddlepaddle的基础入门及卷积神经网络、图像信号处理等课程，辅以大量实践训练，确保老师自身掌握深度学习来解决问题的思路和方法。

再次，AI职业教育就是校企深度合作的转型升级。新的市场形势、新的产业变化，企业与高校的人才叠加和产业聚变，已经成为大势所趋，从而可以看出，校企合作已经从技术共研转向到更加注重科技创新和产业发展的深度融合。相较于过往，这种关系的升级主要体现在两点。其一，校企一致的步调，改变了长期以来高等院校人才培养滞后，行业和市场需求紧缺的现状。其二，企业技术赋能在高校研究中起到推动作用，助力产学研融合落到实处。

最后，举例而言，在专业课程的设置上，高校培养人员方面还是应该更加注重以产业发展为主导驱动，将对于产业和人才的需求由联合型企业培养转化到专业性的设置，将企业的职业标准培养转化到专业性的课程内容，将对于企业的生产研究开发过程经由现有的实训课程直接转化到专业性的教学中。简单来讲，其实也就是培养以人工智能应用型企业为主体导向的AI技术型人才，与之对手的，高校也正在努力迎合企业的技术型人才培养的需求，与多家人工智能企业共同合作，建立“模拟企业”。基于校企合作，通过企业资金的投入，从而诞生的一种智能化设备，就一定会彻底改变每一家企业的制造线，技术成果和流量转化的落地和应用，彻底把“人工智能”的“产学研”无缝衔接。

4.总结

目前契合现实需求的是企业再以培养应用型人才为核心，但从宏观角度来看，各大公司与院校合作在AI教育方面的布局，已不再停留于单纯的人才储备，而是转为协助高校构建起完备的AI教育体系，并推动这一领域的前沿探索后继有人。AI人才培养功在当代、利在千秋，企业和高校不仅共同负担起这份责任，也将受益于这场技术革命。尽管这一路将风雨兼程，但可以预见的是，随着企业巨头深度布局校企合作，正在让中国的AI人才培养模式不断进化，也让中国的AI未来可期。

参考文献：

[1]李进，刘青.教育现代化背景下高职教师关键能力培养路径探索[J].当代职业教育，2020（03）：92-99.

[2]牟春龙.职业院校教师执教能力多维度立体化培养模式研究[J].数码世界，2019（10）：182.

[3]朱冠华，王浩.高职教师课程开发能力及培养策略研究[J].职业技术教育，2019，40（29）：58-62.

[4]曾纪刚.高职教师信息化教学能力培养方式分析[J].中国新通信，2019，21（17）：214.

[5]李晓东.基于岗位能力视角的高职“双师型”教师认定标准及培养路径研究[J].现代教育管理，2019（08）：76-81.

本文系课题：“人工智能”时代下的高职教师职业技能构建策略与方法研究（课题编号：CY2020ZQ04）的研究成果。